-
题名基于信任域策略优化的末制导控制量学习算法
- 1
-
-
作者
刘士荣
王天一
刘扬
-
机构
哈尔滨工业大学计算学部
-
出处
《导航定位与授时》
CSCD
2022年第6期77-84,共8页
-
基金
国家自然科学基金(62071154)。
-
文摘
近年来,深度强化学习在解决序列决策问题上取得了很大进展,无模型强化学习算法在与环境不断交互的过程中学习策略,不需要提前对环境建模,使其适用于许多问题。针对以往使用强化学习进行末制导策略学习的训练不稳定问题,使用信任域策略优化算法直接学习末制导控制量,同时设计了一种新颖的奖励函数,可以提高训练稳定性和算法性能。在二维环境下进行了实验,结果表明,该算法具有良好的训练稳定性,并可以达到很好的命中效果。
-
关键词
末制导控制量
学习算法
深度强化学习
末制导
信任域策略优化
-
Keywords
terminal guidance control quantity
Learning algorithm
Deep reinforcement learning
terminal guidance
Trust region policy optimization
-
分类号
V448
[航空宇航科学与技术—飞行器设计]
-
